通过多样性权重实现生成模型模式平衡的研究

大型数据驱动的图像模型被广泛用于支持创意与艺术工作。在当下占主导地位的分布拟合范式下，数据集被视为应尽可能逼近的地面真值。然而，许多创意应用需要多样化的输出范围，创作者往往力求主动偏离给定数据分布。我们认为，有必要将建模目标从纯粹的模式覆盖调整为模式平衡，以适应更高输出多样性的目标。我们提出多样性权重，一种通过平衡训练数据集中的模式来提升模型输出多样性的训练方案。在受控设置下的初步实验展示了我们方法的潜力。我们讨论了该方法与生成式机器学习中（更广义上）以及计算创意中（具体上）的多样性、公平与包容之间的联系。我们的算法实现可在 https://github.com/sebastianberns/diversity-weights 获取。